Loading video...

Video Failed to Load

Go Home

LiveAvatar：阿里夸克开源的实时虚拟人模型 能实时生成虚拟人视频（需要5个H800），能生成无限长度的视频且画质不降低。 模型： 项目地址：

Gorden_Sun's profile picture

Gorden Sun

59,636 subscribers

21,635 views • 7 months ago •via X (Twitter)

Science & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

美团开源LongCat-Video-Avatar 1.5 应该是目前最佳的开源虚拟人模型，音频驱动生成视频。 项目地址： 模型：
0:17

美团开源LongCat-Video-Avatar 1.5 应该是目前最佳的开源虚拟人模型，音频驱动生成视频。 项目地址： 模型：

Gorden Sun

11,712 views • 2 months ago

Fun-CineForge：阿里开源的AI生成影视配音 输入视频+文本，AI生成配音，能识别多个角色，能按要求设置配音风格，生成的配音节奏与视频里说话的唇形同步。演示视频的声音效果非常好。 项目地址： 模型：
0:11

Fun-CineForge：阿里开源的AI生成影视配音 输入视频+文本，AI生成配音，能识别多个角色，能按要求设置配音风格，生成的配音节奏与视频里说话的唇形同步。演示视频的声音效果非常好。 项目地址： 模型：

Gorden Sun

27,036 views • 4 months ago

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。 项目简介： 它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。 这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。 与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。 项目地址：
0:14

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。 项目简介： 它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。 这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。 与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。 项目地址：

歸藏(guizang.ai)

31,171 views • 2 years ago

发现一个开源的 AI 视频生成项目，GitHub 已经 7k star 了——InfiniteTalk 它支持图像转视频和视频转视频两种模式，都是语音驱动的。 给一张图片加一段音频，能直接生成说话的视频；给一段已有视频换音频，也能重新配音。 除了口型同步，还能同时驱动头部运动、身体姿态和面部表情，整体动作会跟着音频联动，不只是嘴在动。 还支持无限时长视频生成，不受时长上限的限制，算是打破了 AI 视频生成的瓶颈。
0:15

发现一个开源的 AI 视频生成项目，GitHub 已经 7k star 了——InfiniteTalk 它支持图像转视频和视频转视频两种模式，都是语音驱动的。 给一张图片加一段音频，能直接生成说话的视频；给一段已有视频换音频，也能重新配音。 除了口型同步，还能同时驱动头部运动、身体姿态和面部表情，整体动作会跟着音频联动，不只是嘴在动。 还支持无限时长视频生成，不受时长上限的限制，算是打破了 AI 视频生成的瓶颈。

阿西_出海

19,872 views • 29 days ago

这数字人效果看起来也太真实了 这是一个叫Tavus的产品，整合了视觉、语音和情感智能，让虚拟人拥有情感表达、情感理解能力 由三个核心模型组成 1、Phoenix-3 实时全脸渲染模型，能生成复杂的微表情和情绪，包括眉毛、脸庞、眼睛等，可以实时调整表情 2、Raven-0 能持续处理视觉上下文，读取情绪，理解情绪变化，并智能回应 3、Sparrow-0 用来控制对话的节奏，判断什么时候该说、什么时候该听，响应速度快 #数字人 #虚拟人 #AI数字人 #Tavus
0:12

这数字人效果看起来也太真实了 这是一个叫Tavus的产品，整合了视觉、语音和情感智能，让虚拟人拥有情感表达、情感理解能力 由三个核心模型组成 1、Phoenix-3 实时全脸渲染模型，能生成复杂的微表情和情绪，包括眉毛、脸庞、眼睛等，可以实时调整表情 2、Raven-0 能持续处理视觉上下文，读取情绪，理解情绪变化，并智能回应 3、Sparrow-0 用来控制对话的节奏，判断什么时候该说、什么时候该听，响应速度快 #数字人 #虚拟人 #AI数字人 #Tavus

AIGCLINK

28,779 views • 1 year ago

国内也有自己的 Veo 3 模型了！ 通义今天发布了通义万象 2.5 视频模型 一个重要的更新就是实现音画同步的视频生成能力 支持端到端输出与视频相关的音效、语音，同时可以唇形同步。
0:15

国内也有自己的 Veo 3 模型了！ 通义今天发布了通义万象 2.5 视频模型 一个重要的更新就是实现音画同步的视频生成能力 支持端到端输出与视频相关的音效、语音，同时可以唇形同步。

歸藏(guizang.ai)

15,388 views • 10 months ago

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型 全模态，一个模型通吃图+音+姿势+文本输入 任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的 人脸保持、物理合理性、表现力及口型同步看起来效果都还可以 原生长镜头生成，最长可生成10秒连续视频 目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成
0:13

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型 全模态，一个模型通吃图+音+姿势+文本输入 任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的 人脸保持、物理合理性、表现力及口型同步看起来效果都还可以 原生长镜头生成，最长可生成10秒连续视频 目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

AIGCLINK

22,672 views • 3 months ago

字节的音频驱动肖像视频生成模型：Loopy，效果看起来非常赞 人物表情动作很到位，叹气、情绪、眉毛眼睛的动作看起来非常自然，可以用于比如虚拟主播、视频聊天、游戏角色等 特点： 1、无需手动指定运动模板：支持根据音频自动生成自然流畅的运动 2、效果逼真： 生成的视频非常自然、生动，接近真实场景 同类项目，比如有Emo、VASA-1、Hedra、HeyGen Expressive Photos等 项目：
0:15

字节的音频驱动肖像视频生成模型：Loopy，效果看起来非常赞 人物表情动作很到位，叹气、情绪、眉毛眼睛的动作看起来非常自然，可以用于比如虚拟主播、视频聊天、游戏角色等 特点： 1、无需手动指定运动模板：支持根据音频自动生成自然流畅的运动 2、效果逼真： 生成的视频非常自然、生动，接近真实场景 同类项目，比如有Emo、VASA-1、Hedra、HeyGen Expressive Photos等 项目：

AIGCLINK

27,425 views • 1 year ago

腾讯混元发布视频生成大模型，千题盲测第一，现已全面开源 模型特点： （1）超写实质感：模型生成的视频内容具备高清质感、真实感，可用于工业级商业场景例如广告宣传、创意视频生成等商业应用。 （2）高语义遵循：用户可以进行细致的刻画，例如生成主体的细节，人物概念的组合等。模型可以准确的表达出文本的内容。 （3）运动画面流畅：可生成大幅度的合理运动，运动镜头流畅、符合物理规律，不易变形。 （4）原生镜头转换：模型原生具备自动生成多视角同主体的镜头切换画面，增强画面叙事感。
0:13

腾讯混元发布视频生成大模型，千题盲测第一，现已全面开源 模型特点： （1）超写实质感：模型生成的视频内容具备高清质感、真实感，可用于工业级商业场景例如广告宣传、创意视频生成等商业应用。 （2）高语义遵循：用户可以进行细致的刻画，例如生成主体的细节，人物概念的组合等。模型可以准确的表达出文本的内容。 （3）运动画面流畅：可生成大幅度的合理运动，运动镜头流畅、符合物理规律，不易变形。 （4）原生镜头转换：模型原生具备自动生成多视角同主体的镜头切换画面，增强画面叙事感。

orange.ai

46,147 views • 1 year ago

阿里马上要发一款语音到视频的模型，WAN 2.2-S2V，把说话声音变成高级影片 由音频驱动，基于视觉构建 开源 #语音生成AI视频
0:19

阿里马上要发一款语音到视频的模型，WAN 2.2-S2V，把说话声音变成高级影片 由音频驱动，基于视觉构建 开源 #语音生成AI视频

AIGCLINK

14,386 views • 11 months ago

一款轻量级、能在移动设备上实时运行的数字人模型：Ultralight-Digital-Human 需要准备一段3到5分钟的视频，视频中的人物需要全程露脸，声音清晰无噪音 项目提供了一个康辉老师的口播示例，整体看起来流畅自然，没有明显的卡顿 github： #数字人 （视频做为该项目效果演示，侵删）
0:19

一款轻量级、能在移动设备上实时运行的数字人模型：Ultralight-Digital-Human 需要准备一段3到5分钟的视频，视频中的人物需要全程露脸，声音清晰无噪音 项目提供了一个康辉老师的口播示例，整体看起来流畅自然，没有明显的卡顿 github： #数字人 （视频做为该项目效果演示，侵删）

AIGCLINK

55,105 views • 1 year ago

酷，浙大、vivo最新出的一款视频虚拟试衣模型：MagicTryOn，服装的时空一致性、稳定性、服装细节都保持的不错，效果可以直接用于电商广告了 支持图像试穿、视频试穿，以及自定义试穿 擅长在比如跳舞这种人体大幅度运动，和复杂场景中试穿 具备泛化能力，可以在玩偶上进行虚拟试衣 其用扩散Transformer取代U-Net架构，来提升模型的表达能力；结合全自注意力机制联合建模视频的时空一致性，确保试衣效果在时间和空间维度上自然流畅 #虚拟试穿 #MagicTryOn #tryon #AI穿衣
0:14

酷，浙大、vivo最新出的一款视频虚拟试衣模型：MagicTryOn，服装的时空一致性、稳定性、服装细节都保持的不错，效果可以直接用于电商广告了 支持图像试穿、视频试穿，以及自定义试穿 擅长在比如跳舞这种人体大幅度运动，和复杂场景中试穿 具备泛化能力，可以在玩偶上进行虚拟试衣 其用扩散Transformer取代U-Net架构，来提升模型的表达能力；结合全自注意力机制联合建模视频的时空一致性，确保试衣效果在时间和空间维度上自然流畅 #虚拟试穿 #MagicTryOn #tryon #AI穿衣

AIGCLINK

28,402 views • 1 year ago

兄弟盟，AI 女友真的要来了～ 刚在 GitHub 看到一个挺有意思的 AI 项目，叫 AIRI。 它想做的事情其实很简单： 做一个真正活着的 AI 虚拟角色。 不是普通的聊天机器人， 而是一个 AI 虚拟伙伴 / AI VTuber。 你可以和她： - 语音聊天 - 一起看视频 - 一起玩游戏 - 甚至让她帮你打 Minecraft 关键是这个项目 完全开源，而且可以自己部署。 也就是说，你可以拥有一个： 会聊天、会记住你、还能互动的 AI 数字人。 技术也挺硬核： - WebGPU + WebAssembly - 支持 OpenAI / Claude / Gemini 等大模型 - 还能接 Live2D、VRM 角色模型 未来的 AI Companion，大概率就是这个形态。 如果你在关注： AI Agent AI 虚拟人 AI 陪伴产品 这个项目真的值得去看看。
0:11

兄弟盟，AI 女友真的要来了～ 刚在 GitHub 看到一个挺有意思的 AI 项目，叫 AIRI。 它想做的事情其实很简单： 做一个真正活着的 AI 虚拟角色。 不是普通的聊天机器人， 而是一个 AI 虚拟伙伴 / AI VTuber。 你可以和她： - 语音聊天 - 一起看视频 - 一起玩游戏 - 甚至让她帮你打 Minecraft 关键是这个项目 完全开源，而且可以自己部署。 也就是说，你可以拥有一个： 会聊天、会记住你、还能互动的 AI 数字人。 技术也挺硬核： - WebGPU + WebAssembly - 支持 OpenAI / Claude / Gemini 等大模型 - 还能接 Live2D、VRM 角色模型 未来的 AI Companion，大概率就是这个形态。 如果你在关注： AI Agent AI 虚拟人 AI 陪伴产品 这个项目真的值得去看看。

开发者Hailey

34,171 views • 4 months ago

用Seedance2.0生成了一个视频，文案如下: 帮我生成一个视频：请生成儿子与女儿在遇龙河富里桥下玩水的30秒视频。模型 2.0，比例 9:16，时长 10s。 然后一分钟后出来这样一个视频，这特么是AI？？？？
0:15

用Seedance2.0生成了一个视频，文案如下: 帮我生成一个视频：请生成儿子与女儿在遇龙河富里桥下玩水的30秒视频。模型 2.0，比例 9:16，时长 10s。 然后一分钟后出来这样一个视频，这特么是AI？？？？

迷人的小红

65,165 views • 5 months ago

⚡️ 生成速度吊打！豆包 app 支持 Seedance 2.0 模型啦 👉 每天 8 个视频额度，一个视频消耗2 个额度 👉 最多生成 10s 视频 ✅ 生成速度极快，1-3 分钟即可生成完毕 ✅ 与之相比 小云雀目前需要 15 分钟才能生成完毕，并且存在生成失败的情况 💡豆包使用步骤如下 1️⃣ 打开豆包点击【创作】按钮 2️⃣ 点击【开始创作】 3️⃣ 选择视频生成 4️⃣ 选择模型【2.0】 👀 下面两个视频是同一个提示词分别在豆包和小云雀生成的，大家感觉哪个效果好一点呢？ 🔥 觉得好玩想试试的提示词评论区自取
0:10

⚡️ 生成速度吊打！豆包 app 支持 Seedance 2.0 模型啦 👉 每天 8 个视频额度，一个视频消耗2 个额度 👉 最多生成 10s 视频 ✅ 生成速度极快，1-3 分钟即可生成完毕 ✅ 与之相比 小云雀目前需要 15 分钟才能生成完毕，并且存在生成失败的情况 💡豆包使用步骤如下 1️⃣ 打开豆包点击【创作】按钮 2️⃣ 点击【开始创作】 3️⃣ 选择视频生成 4️⃣ 选择模型【2.0】 👀 下面两个视频是同一个提示词分别在豆包和小云雀生成的，大家感觉哪个效果好一点呢？ 🔥 觉得好玩想试试的提示词评论区自取

阿蔺A-Lin

29,215 views • 5 months ago

Sora 2 Pro 模型已经上线！ 目前网页版可以体验，需要 Pro 会员。 Pro 模型现在可以选择标准和高分辨率，同时高分辨率支持最长 15 秒的视频。 Pro 模型高分辨率的具体分辨率相较于标准分辨率反而低了，但是清晰度和音频质量高了非常多。 这个高清模式的生成真的慢。
0:15

Sora 2 Pro 模型已经上线！ 目前网页版可以体验，需要 Pro 会员。 Pro 模型现在可以选择标准和高分辨率，同时高分辨率支持最长 15 秒的视频。 Pro 模型高分辨率的具体分辨率相较于标准分辨率反而低了，但是清晰度和音频质量高了非常多。 这个高清模式的生成真的慢。

歸藏(guizang.ai)

60,800 views • 10 months ago

我去，美团把数字人视频生成模型开源了。外面数字人 Agent 一天卖 50 万，美团直接做了个 LongCat-Video-Avatar 塞进同一个仓库里开源了。 给一张人脸图加一段音频，数字人张嘴念稿，嘴唇、眼神、表情全自动对上。 它不是那种玩具开源，是实打实对标 Sora、Veo3、Kling 那种商业模型。 13.6B 参数，文生视频、图生视频、视频续写，一个模型全干完，720p 30 帧，长视频一口气跑几分钟不崩画质。而且你敢信？推理还比同级快了 10 倍。 坦率的讲，我看到技术报告的时候是有点懵的。因为 benchmark 上它一个 Dense 架构的 13.6B 模型，追着人家 28B 的 MoE 打。更让我愣住的是数字人那块。 你想想看，这事以前怎么搞。 要么自己录真人，要么掏钱买方案，几百块一条起步。现在一个开源模型，丢段文案给 TTS 一念，画面它自己出。而且 1.5 版做了蒸馏，推理从几十步压到 8 步，快了 15 倍。还加了 INT8 量化省显存。 说实话，这种东西别只收藏。 想试的，先跑 一下我下面的文章教程，参考就能部署。 GitHub 搜 meituan-longcat / LongCat-Video，权重在 HuggingFace 上直接下。
0:19

我去，美团把数字人视频生成模型开源了。外面数字人 Agent 一天卖 50 万，美团直接做了个 LongCat-Video-Avatar 塞进同一个仓库里开源了。 给一张人脸图加一段音频，数字人张嘴念稿，嘴唇、眼神、表情全自动对上。 它不是那种玩具开源，是实打实对标 Sora、Veo3、Kling 那种商业模型。 13.6B 参数，文生视频、图生视频、视频续写，一个模型全干完，720p 30 帧，长视频一口气跑几分钟不崩画质。而且你敢信？推理还比同级快了 10 倍。 坦率的讲，我看到技术报告的时候是有点懵的。因为 benchmark 上它一个 Dense 架构的 13.6B 模型，追着人家 28B 的 MoE 打。更让我愣住的是数字人那块。 你想想看，这事以前怎么搞。 要么自己录真人，要么掏钱买方案，几百块一条起步。现在一个开源模型，丢段文案给 TTS 一念，画面它自己出。而且 1.5 版做了蒸馏，推理从几十步压到 8 步，快了 15 倍。还加了 INT8 量化省显存。 说实话，这种东西别只收藏。 想试的，先跑 一下我下面的文章教程，参考就能部署。 GitHub 搜 meituan-longcat / LongCat-Video，权重在 HuggingFace 上直接下。

产品经理老王霸

169,110 views • 1 month ago

一个轻量级的数字人项目：MiniMates，支持语音和表情两种驱动模式，可在普通电脑上实时运行 one-shot单图驱动，最低只需要一张图片 可以说话、眨眼、转头、做表情等 支持实时交互，实时摄像头表情捕捉、实时头部跟踪、实时语音对话 github： #数字人 #AI虚拟人
0:14

一个轻量级的数字人项目：MiniMates，支持语音和表情两种驱动模式，可在普通电脑上实时运行 one-shot单图驱动，最低只需要一张图片 可以说话、眨眼、转头、做表情等 支持实时交互，实时摄像头表情捕捉、实时头部跟踪、实时语音对话 github： #数字人 #AI虚拟人

AIGCLINK

35,360 views • 1 year ago

清华最新的开源项目，OpenMAIC：AI多智能体互动课堂，给定任何主题或文档，AI自动生成完整的互动课程 有趣的是，里面有AI老师和AI同学，类似真实的虚拟教室，不止有AI老师讲课，还有AI同学陪学 集成了OpenClaw，可以直接在飞书、Slack、Telegram里生成课堂 给定主题一键生成课堂内容，包括幻灯片讲义、测验、HTML交互式模拟、项目制学习（PBL） 课堂中的AI老师和AI同学可以 语音讲解 在白板上画图、写公式 主动发起讨论或点名让学生发言 进行圆桌辩论 OpenMAIC相当于一个AI原生的教育基础设施，从慕课看视频时代升级到了和AI 一起上课的虚拟课堂时代 #AI虚拟课堂 #OpenMAIC
0:19

清华最新的开源项目，OpenMAIC：AI多智能体互动课堂，给定任何主题或文档，AI自动生成完整的互动课程 有趣的是，里面有AI老师和AI同学，类似真实的虚拟教室，不止有AI老师讲课，还有AI同学陪学 集成了OpenClaw，可以直接在飞书、Slack、Telegram里生成课堂 给定主题一键生成课堂内容，包括幻灯片讲义、测验、HTML交互式模拟、项目制学习（PBL） 课堂中的AI老师和AI同学可以 语音讲解 在白板上画图、写公式 主动发起讨论或点名让学生发言 进行圆桌辩论 OpenMAIC相当于一个AI原生的教育基础设施，从慕课看视频时代升级到了和AI 一起上课的虚拟课堂时代 #AI虚拟课堂 #OpenMAIC

AIGCLINK

40,891 views • 4 months ago